Merci d'avoir envoyé votre demande ! Un membre de notre équipe vous contactera sous peu.
Merci d'avoir envoyé votre réservation ! Un membre de notre équipe vous contactera sous peu.
Durée 14 heures
Plan du cours
Fondamentaux : Le Règlement européen sur l'IA pour les équipes techniques
- Obligations et terminologie pertinentes pour les développeurs et les opérateurs
- Compréhension des pratiques interdites selon l'article 4 d'un point de vue technique
- Cartographie des exigences légales vers les contrôles d'ingénierie
Cycle de vie de développement sécurisé et conforme
- Structure du dépôt et code de politique (policy-as-code) pour les projets IA
- Revue de code et vérifications statiques automatisées pour les motifs à risque
- Gestion des dépendances et de la chaîne d'approvisionnement pour les composants de modèles
Conception de pipelines CI/CD pour la conformité
- Étapes du pipeline : construction, test, validation, packaging, déploiement
- Intégration des portes de gouvernance et des contrôles de politique automatisés
- Immobilisation des artefacts et suivi de la provenance
Test, validation et vérifications de sécurité des modèles
- Validation des données et tests de détection des biais
- Tests de performance, de robustesse et de résilience face aux attaques adverses
- Critères d'acceptation automatisés et rapports de test
Registre de modèles, versionnement et provenance
- Utilisation de MLflow ou équivalent pour la lignée et les métadonnées des modèles
- Versionnement des modèles et des jeux de données pour la reproductibilité
- Enregistrement de la provenance et production d'artefacts prêts pour l'audit
Contrôles d'exécution, surveillance et observabilité
- Instrumentation pour la journalisation des entrées, des sorties et des décisions
- Surveillance du dérive de modèle (model drift), de la dérive des données (data drift) et des métriques de performance
- Alertes, retours automatiques (rollback) et déploiements canaris (canary)
Sécurité, contrôle d'accès et protection des données
- IAM à privilèges minimaux (least-privilege) pour les environnements d'entraînement et de service des modèles
- Protection des données d'entraînement et de déduction au repos et en transit
- Gestion des secrets et pratiques de configuration sécurisée
Auditabilité et collecte de preuves
- Génération de journaux lisibles par machine et de résumés lisibles par l'humain
- Emballage des preuves pour les évaluations de conformité et les audits
- Politiques de rétention et stockage sécurisé des artefacts de conformité
Réponse aux incidents, signalement et remédiation
- Détection de pratiques interdites suspectées ou d'incidents de sécurité
- Étapes techniques pour la confinement, le retour en arrière (rollback) et la mitigation
- Préparation de rapports techniques pour la gouvernance et les régulateurs
Résumé et prochaines étapes
Pré requis
- Une compréhension des flux de développement et de déploiement de logiciels
- Une expérience en conteneurisation et des connaissances de base en Kubernetes
- Une familiarité avec le contrôle de sources basé sur Git et les pratiques CI/CD
Public cible
- Développeurs construisant ou maintenant des composants IA
- Ingénieurs DevOps et de plateforme responsables du déploiement
- Administrateurs gérant l'infrastructure et les environnements d'exécution